-
具備 8 年以上人工智慧與機器學習實務經驗,專精大型語言模型、檢索增強生成與 MLOps。
-
曾領導 5 人跨功能團隊,將 LLM 應用導入企業知識管理、客服與文件摘要流程,提升作業效率 40%。
-
熟悉從資料清洗、模型訓練、評估、部署到監控的端到端流程,並具備雲端與地端混合部署經驗。
-
樂於將技術轉化為可落地的產品價值,擅長跨部門溝通、技術文件撰寫與團隊知識傳承。
資深人工智慧工程師 | 大型語言模型與 MLOps 專家
具備 8 年以上人工智慧與機器學習實務經驗,專精大型語言模型、檢索增強生成與 MLOps。
曾領導 5 人跨功能團隊,將 LLM 應用導入企業知識管理、客服與文件摘要流程,提升作業效率 40%。
熟悉從資料清洗、模型訓練、評估、部署到監控的端到端流程,並具備雲端與地端混合部署經驗。
樂於將技術轉化為可落地的產品價值,擅長跨部門溝通、技術文件撰寫與團隊知識傳承。
研究主題聚焦於深度學習與自然語言處理,完成以注意力機制為基礎的文字分類研究。
擔任課程助教,協助機器學習與資料結構課程之教學與作業批改。
與實驗室團隊合作發表 2 篇研討會論文,培養獨立研究與團隊協作能力。
奠定紮實的資訊工程基礎,並選修人工智慧與資料探勘相關課程。
參與校內專題競賽,以影像辨識應用獲得佳作。
領導 5 人 AI 團隊,規劃與交付企業級大型語言模型應用,服務超過 20 家企業客戶。
設計檢索增強生成(RAG)架構,整合向量資料庫與內部知識庫,將問答準確率提升至 92%。
建置 MLOps 流程,使用 MLflow、Docker 與 Kubernetes 管理模型版本、部署與監控,縮短上線時間 50%。
建立模型評估與護欄機制,降低幻覺與敏感資訊外洩風險,並制定內部 AI 使用規範。
與產品、資料工程及資安團隊協作,將需求轉化為可執行技術方案,並培育 3 位初階工程師。
開發客戶流失預測與推薦系統,透過特徵工程與集成學習,將預測準確率提升 18%。
使用 PyTorch 與 TensorFlow 建立深度學習模型,並以 Airflow 與 Spark 處理每日百萬筆資料。
將模型封裝為 RESTful API 並部署至 AWS,支援即時推論與批次預測場景。
參與 Agile 開發流程,負責技術文件撰寫、程式碼審查與跨團隊知識分享。
分析行銷與營運數據,建立視覺化儀表板與自動化報表,協助管理層制定決策。
運用統計檢定與 A/B 測試評估行銷活動成效,提出優化建議並帶來 12% 轉換率成長。
建置資料清理與特徵管線,提升資料品質與分析效率,減少 30% 手動處理時間。
與業務與產品團隊密切合作,將數據洞察轉化為具體營運策略。
以「檢索增強生成於企業知識問答之應用」獲得最佳應用論文獎。
論文提出混合稀疏與稠密檢索策略,有效提升長文件問答的召回率與準確率。
表彰在大型語言模型產品化與 MLOps 流程建置上的卓越貢獻。
帶領團隊完成 3 項企業級 AI 專案,並顯著提升客戶滿意度。
提出結合 BM25 與向量檢索的混合式 RAG 架構,改善長尾問題的檢索品質。
實驗顯示在企業內部知識庫上,回答準確率較基線模型提升 15%。
探討知識蒸餾與量化技術在邊緣裝置上的效能與精度權衡。
提出適用於資源受限環境的推論優化流程,降低延遲 35%。
整合 Elasticsearch 與向量資料庫,支援文件上傳、切塊、嵌入與檢索。
設計多輪對話與引用來源機制,提升回答可信度與可追溯性。
以 FastAPI 與 Docker 部署,支援權限控管與使用量監控。
使用 BERT 與多標籤分類架構,處理客服來文意圖與緊急程度預測。
建立資料標註流程與模型監控指標,持續改善分類表現。
將模型部署為微服務,提供即時 API 與批次推論功能。
定期開設機器學習入門與 Python 資料分析工作坊,累計指導超過 200 位學員。
協助協會規劃年度資料科學年會,負責議程安排與講者邀請。
參與偏鄉程式教育計畫,設計適合高中生的 AI 體驗課程。